深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 19280 篇文献，本页显示第 4541 - 4560 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 4541 | 2025-12-14 |
A cross-domain framework for emotion and stress detection using WESAD, SCIENTISST-MOVE, and DREAMER datasets
2025, Frontiers in bioengineering and biotechnology
IF:4.3Q2
DOI:10.3389/fbioe.2025.1659002
PMID:41376700
|
研究论文 | 本文提出了一种基于双深度学习框架的情绪和压力检测方法，利用WESAD、SCIENTISST-MOVE和DREAMER数据集进行跨域分析 | 结合了1D-CNN和时序Conformer架构，采用迁移学习和可解释AI技术，实现了跨数据集的情绪与压力检测 | Grad-CAM提供的解释信息不明确，未能清晰指示信号中影响预测的具体部分 | 开发准确、鲁棒且可解释的情绪识别系统，用于心理健康监测和日常活动检测 | 生理和行为数据，包括生物信号（如ECG）和运动信号 | 机器学习 | 情绪和压力相关障碍 | 深度学习，特征工程，可解释AI | CNN, Transformer | 生理信号数据，运动信号数据 | WESAD、SCIENTISST-MOVE和DREAMER三个数据集的样本 | 未明确指定 | 1D-CNN, 时序Conformer | 准确率, 精确率, 召回率, R2分数 | NA |
| 4542 | 2025-12-14 |
Towards standardizing mitral transcatheter edge-to-edge repair with deep-learning algorithm: a comprehensive multi-model strategy
2025, Frontiers in network physiology
DOI:10.3389/fnetp.2025.1701758
PMID:41376828
|
研究论文 | 本文开发了三种深度学习算法，用于标准化二尖瓣经导管缘对缘修复术的资格评估，结合超声心动图数据支持二尖瓣反流的全流程评估 | 提出了一种综合多模型策略，结合质量控制、动态4D瓣膜量化和小叶级解剖解释，首次将AI应用于M-TEER资格评估的全流程标准化 | 研究样本主要来自单一机构（蒙特利尔心脏研究所），可能限制模型的泛化能力；2D小叶级分割的平均Dice分数仅为0.534，表明某些解剖结构的性能有待提升 | 开发AI算法以标准化二尖瓣经导管缘对缘修复术的资格评估流程，辅助非专家中心完成从诊断到手术的整个决策过程 | 接受二尖瓣经导管缘对缘修复术患者的经胸超声心动图和经食管超声心动图数据 | 数字病理学 | 心血管疾病 | 经胸超声心动图, 经食管超声心动图 | 深度学习算法 | 超声心动图图像 | TTE样本530例, TEE样本2,222例, 4D分割样本221例, 2D分割样本992例 | NA | NA | 准确率, 相关系数, p值, Dice系数 | NA |
| 4543 | 2025-12-14 |
Artificial intelligence in hemovigilance: A narrative review on advancing blood safety and monitoring systems
2025 Jan-Dec, Digital health
IF:2.9Q2
DOI:10.1177/20552076251406306
PMID:41376849
|
综述 | 本文是一篇叙述性综述，探讨了人工智能在血液安全监测（输血警戒）中的应用潜力，包括数据整合、不良事件检测、个性化风险管理和血液供应链优化 | 系统性地回顾了人工智能（包括机器学习、深度学习、自然语言处理和预测分析）在输血警戒领域的应用，并提出了未来发展方向，如联邦学习、可解释人工智能和标准化 | 面临数据隐私、算法偏见、监管缺失以及对数据质量的依赖等挑战 | 探讨人工智能技术如何增强输血警戒系统，以提升患者安全和操作效率 | 输血警戒系统及其相关的数据、不良事件和血液供应链 | 自然语言处理, 机器学习 | NA | 机器学习, 深度学习, 自然语言处理, 预测分析 | NA | 非结构化临床数据 | NA | NA | NA | NA | NA |
| 4544 | 2025-12-14 |
Interpretable Artificial Intelligence Decodes the Chemical Structural Essence of Twisted Intramolecular Charge Transfer and Planar Intramolecular Charge Transfer Fluorophores
2025, Research (Washington, D.C.)
DOI:10.34133/research.1021
PMID:41377019
|
研究论文 | 本研究利用可解释机器学习方法，深入解析了扭曲分子内电荷转移和平面分子内电荷转移荧光团的化学结构本质 | 首次构建了真实世界的TICT和PICT数据集，并基于可解释机器学习建立了AI指导的结构规则，相比社区建议规则在准确性上提升了20%以上 | NA | 解码TICT和PICT荧光团的化学结构本质，以指导荧光探针的设计 | D-π-A型荧光材料，特别是TICT和PICT荧光团 | 机器学习 | NA | 可解释机器学习，深度学习 | 深度学习 | 化学结构数据 | NA | NA | NA | AUC | NA |
| 4545 | 2025-12-13 |
An Interpretable Hybrid AI Model for Breast Fine Needle Aspiration Cytology Image Classification
2025-Dec-12, Journal of medical systems
IF:3.5Q2
DOI:10.1007/s10916-025-02267-z
PMID:41381926
|
研究论文 | 本文提出了一种用于乳腺细针穿刺细胞学图像分类的可解释混合AI模型 | 探索了18种混合架构，结合深度学习特征提取器与机器学习分类器，并利用Grad-CAM实现模型可解释性，获得了95%的临床验证率 | 研究为概念验证性质，数据来源于两个中心，样本量相对有限 | 开发一种高精度、可解释的混合AI模型，用于乳腺细针穿刺细胞学图像的二元分类 | 乳腺细针穿刺细胞学图像 | 数字病理学 | 乳腺癌 | 细针穿刺细胞学 | 混合模型 | 图像 | 原始数据集427张图像（152张良性，275张恶性），数据增强后扩展至2866张图像（1216张良性，1650张恶性） | NA | Inception-V3, MobileNet-V2, DenseNet-121, Support Vector Machine, Decision Tree, k-Nearest Neighbours | 准确率, 灵敏度, 特异性 | NA |
| 4546 | 2025-12-13 |
Beyond Implicit Mapping: Advancing Generative Models Through Smoothed Optimal Transport
2025-Dec-11, IEEE transactions on neural networks and learning systems
IF:10.2Q1
DOI:10.1109/TNNLS.2025.3638632
PMID:41379885
|
研究论文 | 本文提出了一种通过平滑最优传输来提升生成模型的方法，以解决传统模型中映射关系隐式化的问题 | 引入Nesterov平滑技术平滑Brenier势能，从而推导出显式最优传输映射，构建了更先进的生成模型 | 未在摘要中明确说明 | 提升生成模型的解释性和条件生成能力，同时提高生成效率 | 生成模型中的最优传输映射 | 机器学习 | NA | 最优传输（OT）、Nesterov平滑技术 | 生成模型 | NA | NA | NA | NA | NA | NA |
| 4547 | 2025-12-13 |
Real-time generation of renal artery hemodynamic parameters using a point cloud-based deep learning model
2025-Dec-11, Computer methods in biomechanics and biomedical engineering
IF:1.7Q3
DOI:10.1080/10255842.2025.2595135
PMID:41383106
|
研究论文 | 本研究提出了一种结合Mamba状态空间建模和分层点云处理的深度学习框架，用于实时预测肾动脉血流动力学参数 | 创新性地将Mamba的选择性机制与PointNet++结合，用于点云数据上的血流动力学预测，实现了计算效率的显著提升 | NA | 开发一种实时生成肾动脉血流动力学参数的深度学习方法，以辅助肾动脉狭窄的临床评估 | 三维肾动脉模型及其血流动力学参数 | 数字病理学 | 心血管疾病 | 计算流体动力学模拟 | 深度学习模型 | 点云数据 | NA | NA | PointNet++, Mamba | NA | NA |
| 4548 | 2025-12-13 |
PatternFusion: a hybrid model for pattern recognition in time-series data using ensemble learning
2025-Dec-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-28649-4
PMID:41365945
|
研究论文 | 提出了一种名为PatternFusion的新型集成框架，用于时间序列数据的模式识别 | 通过动态注意力驱动融合机制，无缝集成BiLSTM、CNN和LightGBM，实现了统计模型与深度学习结构的协同；引入了自适应注意力融合、多尺度时间特征编码、显式置信度量化和时间后处理等关键创新 | NA | 克服经典时间序列分析的缺点，实现高性能、可解释且能进行多尺度时间检测的模式识别 | 时间序列数据 | 机器学习 | NA | NA | BiLSTM, CNN, LightGBM | 时间序列数据 | NA | NA | BiLSTM, CNN | F1-score, AUC, EER | NA |
| 4549 | 2025-12-13 |
Gaussian mixture model for enhancing the quality of transmission estimation in optical networks: a machine learning approach
2025-Dec-09, Scientific reports
IF:3.8Q1
DOI:10.1038/s41598-025-27355-5
PMID:41365970
|
研究论文 | 本文提出了一种基于高斯混合模型的机器学习方法，用于提升光网络中传输质量估计的准确性 | 采用高斯混合模型算法来预测未知光路径的误码率和信噪比，结合阈值、流量和调制格式等参数，实现了高精度的传输质量估计 | 模型仅在韩国网络拓扑特征上进行训练和测试，未在其他网络拓扑或实际环境中验证其泛化能力 | 开发一种基于机器学习的光网络传输质量估计方法，以优化光纤通信系统 | 光网络中的传输路径，特别是未知光路径的质量参数 | 机器学习 | NA | 高斯混合模型 | GMM | 网络拓扑特征数据 | NA | NA | 高斯混合模型 | AUC, 准确率, F1分数, Brier分数, 期望校准误差 | NA |
| 4550 | 2025-12-13 |
A Review of Topological Data Analysis and Topological Deep Learning in Molecular Sciences
2025-Dec-08, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02266
PMID:41235667
|
综述 | 本文全面回顾了拓扑数据分析（TDA）和拓扑深度学习（TDL）在分子科学中的发展、方法和应用 | 综述了从早期定性工具到先进定量和预测模型的TDA演变，重点介绍了持久同调、持久拉普拉斯算子及拓扑机器学习等创新点 | 讨论了当前TDA方法的局限性，并概述了未来方向，如与先进AI模型的整合及新拓扑不变量的开发 | 旨在为研究人员利用拓扑学在分子科学中的力量提供基础性参考 | 分子科学中的复杂分子数据，包括生物分子稳定性、蛋白质-配体相互作用、药物发现、材料科学、拓扑序列分析和病毒进化等领域 | 机器学习 | NA | 拓扑数据分析（TDA），拓扑深度学习（TDL） | NA | 复杂分子数据 | NA | NA | NA | NA | NA |
| 4551 | 2025-12-13 |
eRMSF: A Python Package for Ensemble-Based RMSF Analysis of Biomolecular Systems
2025-Dec-08, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02413
PMID:41254899
|
研究论文 | 介绍了一个名为eRMSF的Python软件包，用于对生物分子系统进行基于集合的均方根涨落分析 | eRMSF扩展了传统的分子动力学轨迹分析，能够处理由不同方法生成的集合，如MD模拟、BioEmu深度学习工具、子采样AlphaFold2等，提供了统一的框架来评估模拟和预测结构中的残基或原子涨落 | NA | 开发一个快速且用户友好的工具，用于分析生物分子系统的分子灵活性和动力学 | 生物分子系统 | 计算生物学 | NA | 均方根涨落分析 | NA | 结构集合数据 | NA | Python, MDAnalysis | NA | NA | NA |
| 4552 | 2025-12-13 |
Benchmarking Sequence-Based Compound-Protein Interaction Prediction through Constructing a Debiased Data Set CDPN
2025-Dec-08, Journal of chemical information and modeling
IF:5.6Q1
DOI:10.1021/acs.jcim.5c02040
PMID:41264813
|
研究论文 | 本文提出了一种名为CDPN的去偏数据构建协议，用于基准测试基于序列的化合物-蛋白质相互作用预测模型 | 通过化合物聚类降采样和从未探索化学空间生成推定负样本，构建去偏CPI基准数据集，解决了现有数据集中分子支架过代表和标签分布不平衡导致的模型泛化问题 | 在PDBbind上的系统评估揭示了注意力可解释性存在关键局限性 | 准确预测化合物-蛋白质相互作用以促进药物发现 | 化合物-蛋白质相互作用 | 机器学习 | NA | NA | 深度学习模型 | 序列数据 | NA | NA | KPGT-Ankh | NA | NA |
| 4553 | 2025-12-13 |
Volumetric localization microscopy with deep learning
2025-Dec-08, Nature communications
IF:14.7Q1
DOI:10.1038/s41467-025-65941-3
PMID:41360790
|
研究论文 | 本文提出了一种结合深度学习与波前优化光场配置的体积极位显微技术，用于高保真三维单分子成像 | VLM方法首次将仪器优化与深度学习算法结合，仅使用系统感知的内在点扩散函数进行训练，无需依赖外部成像模式或样本特定数据 | NA | 开发一种超分辨率显微技术，以克服荧光显微镜在光学复杂性、计算需求和用户可访问性方面的限制 | 生物样本中的单分子成像 | 计算机视觉 | NA | 超分辨率显微技术，波前优化光场配置 | 深度学习，神经网络 | 图像数据 | 多种生物样本（未指定具体数量） | NA | 级联神经网络 | 横向定位精度10纳米，轴向定位精度25纳米，有效成像深度超过4微米 | NA |
| 4554 | 2025-12-13 |
Reinforcement learning-based generative artificial intelligence for novel pesticide design
2025-Dec, Journal of advanced research
IF:11.4Q1
DOI:10.1016/j.jare.2025.02.030
PMID:40032026
|
研究论文 | 本研究提出了一种基于强化学习的生成式人工智能框架PestiGen，用于设计具有高结合亲和力的类农药分子 | 首次将生成式人工智能应用于农药设计领域，结合字符和片段生成模型与强化学习算法，探索类农药化学空间 | 研究为概念验证性质，实际应用需进一步实验验证，且生成分子可能存在假阳性率 | 开发一种基于强化学习的生成式人工智能框架，用于新型绿色农药的分子设计 | 类农药分子，特别是针对4-羟基苯丙酮酸双加氧酶抑制剂的分子设计 | 机器学习 | NA | 生成式人工智能，强化学习，蒙特卡洛树搜索 | 生成模型，强化学习模型 | 化学分子数据 | NA | NA | PestiGen-G, PestiGen-S | 农药相似性，结合亲和力，酶抑制活性，除草效力 | NA |
| 4555 | 2025-12-13 |
Model-based deep learning with fully connected neural networks for accelerated magnetic resonance parameter mapping
2025-Dec, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03356-7
PMID:40317423
|
研究论文 | 本文提出了一种基于模型的深度学习框架qDC-CNN，用于加速磁共振参数映射，通过结合图像重建网络和全连接神经网络来提高定量磁共振成像的准确性和效率 | 提出了一种新颖的集成深度学习框架qDC-CNN，结合了展开的图像重建网络和全连接神经网络，用于加速定量参数映射，相比传统方法在重建误差上表现更优 | 研究基于模拟数据集进行训练和测试，可能未完全覆盖真实临床场景的复杂性；未详细讨论计算资源需求或实际部署的可行性 | 验证提出的qDC-CNN模型在加速定量磁共振参数映射方面的性能，并评估其在不同加速因子和对比图像减少情况下的表现 | 模拟的多切片多回波（MSME）数据集，源自BrainWeb数据库，用于S0和T2参数的估计 | 医学影像分析 | NA | 定量磁共振成像（qMRI），多切片多回波（MSME）序列 | CNN, 全连接神经网络 | 模拟磁共振图像数据 | 基于BrainWeb数据库生成的模拟数据集，具体样本数量未明确说明 | NA | qDC-CNN（定量深度级联卷积网络），结合了图像重建网络和全连接神经网络 | 归一化均方根误差（NRMSE） | NA |
| 4556 | 2025-12-13 |
Enhancing segmentation accuracy of the common iliac vein in OLIF51 surgery in intraoperative endoscopic video through gamma correction: a deep learning approach
2025-Dec, International journal of computer assisted radiology and surgery
IF:2.3Q2
DOI:10.1007/s11548-025-03388-z
PMID:40349282
|
研究论文 | 本研究开发并评估了一种深度学习模型，用于从OLIF51手术的术中内窥镜视频中分割髂总静脉，旨在通过伽马校正提高分割精度以减少血管损伤风险 | 首次将伽马校正预处理与U-Net++/ResNet18架构结合，用于OLIF51术中内窥镜视频的髂总静脉分割，显著提升了血管与周围组织的对比度 | 模型仍需进一步研究和优化才能应用于临床，且数据集规模有限（614张图像） | 开发一种深度学习模型，以辅助术中识别髂总静脉，降低OLIF51手术中血管损伤的风险 | 髂总静脉 | 计算机视觉 | 退行性腰骶椎疾病 | 内窥镜视频成像 | CNN | 图像 | 614张来自OLIF51手术的内窥镜图像 | 未明确提及 | U-Net, U-Net++ with ResNet18 backbone | Dice score | NA |
| 4557 | 2025-12-13 |
End-to-end prognostication in pancreatic cancer by multimodal deep learning: a retrospective, multicenter study
2025-Dec, European radiology
IF:4.7Q1
DOI:10.1007/s00330-025-11694-y
PMID:40410330
|
研究论文 | 本研究开发了一种端到端的多模态深度学习模型，用于预测胰腺导管腺癌患者的短期与长期生存 | 首次将临床变量与增强CT图像相结合，构建端到端的多模态深度学习模型，以改进胰腺癌的预后预测 | 研究为回顾性设计，样本量相对有限，且外部验证性能存在一定波动 | 提高胰腺导管腺癌患者生存预后的准确性，以辅助临床决策 | 经组织病理学和/或影像学/随访确诊的胰腺导管腺癌患者 | 数字病理学 | 胰腺癌 | 对比增强CT成像 | 深度学习 | 图像, 临床数据 | 开发队列401例患者，外部验证队列361例患者 | NA | NA | 时间依赖性受试者工作特征曲线下面积 | NA |
| 4558 | 2025-07-26 |
Letter to the Editor: "Development and validation of a deep learning ultrasound radiomics model for predicting drug resistance in lymph node tuberculosis a multicenter study"
2025-Dec-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003118
PMID:40705514
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4559 | 2025-07-26 |
Letter to the Editor: "Multichannel deep learning prediction of major pathological response after neoadjuvant immunochemotherapy in lung cancer: a multicenter diagnostic study"
2025-Dec-01, International journal of surgery (London, England)
DOI:10.1097/JS9.0000000000003109
PMID:40705510
|
NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA | NA |
| 4560 | 2025-12-13 |
Hybrid Neural Networks for Precise Hydronephrosis Classification Using Deep Learning
2025-Dec, Urology
IF:2.1Q2
DOI:10.1016/j.urology.2025.08.005
PMID:40783131
|
研究论文 | 本研究开发并评估了一种深度学习框架，用于自动分割肾脏超声图像中的肾脏和液体区域，以提高肾积水的诊断准确性并减少评估变异性 | 提出了一种结合DenseNet201骨干网络、特征金字塔网络和自组织神经网络层的混合架构，实现多尺度特征提取并提升空间精度 | 模型优化和可解释性人工智能的整合是未来工作重点，当前临床集成仍需进一步改进 | 开发自动化的肾积水评估框架，以增强诊断准确性和标准化评估流程 | 肾脏超声图像中的肾脏和液体区域 | 计算机视觉 | 肾积水 | 超声成像 | CNN | 图像 | 1731张肾脏超声图像 | NA | DenseNet201, FPN, SelfONN | Dice系数, 精确率, 召回率, 准确率 | NA |